4.4.1 Phân tích tương quan
Khi tính giá trị trung bình cộng của từng nhân tố để phân tích tương quan, kết quả phân tích tương quan cho thấy, tất cả các biến độc lập đều có tương quan với biến phụ thuộc ở mức ý nghĩa 1% và giữa một số biến độc lập cũng có tương quan khá mạnh với nhau ở mức ý nghĩa 1%. Trung bình cộng của biến phụ thuộc sự hài lòng khách hàng (HLKH) có tương quan mạnh nhất với trung bình cộng biến độc lập “Sự đảm bảo” (SDB) về dịch vụ (hệ số Pearson = 0.516) và tương quan yếu nhất với trung bình cộng biến độc lập “Sự chia sẻ” (SCS) dịch vụ (hệ số Pearson = 0.337), các biến độc lập còn lại đều có tượng quan với biến độc lập, sự tương quan chặt này có ý nghĩa quan trọng cho việc khẳng định tuyến tính giữa các biến nhằm đi đến giải thích có sự ảnh hưởng đến kết quả mô hình. Vì vậy, toàn bộ các biến độc lập này đưa vào phân tích hồi quy để giải thích mức độ ảnh hưởng của chúng đến kết quả của mô hình nghiên cứu, tuy nhiên, trong phân tích hồi quy cần sẽ thận trọng với trường xảy ra đa cộng tuyến đáng kể có thể ảnh hưởng đến kết quả nghiên cứu (xem Phụ lục 5).
4.4.2 Phân tích hồi quy đa biến
Để xác định và đo lường nhằm đánh giá mức độ ảnh hưởng của các nhân tố đến sự hài lòng của khách hàng sử dụng chất lượng dịch vụ kiểm định, phân tích hồi quy được tác giả sử dụng từ 6 nhân tố khám phá ở trên bao gồm: (1) Năng lực cung cấp, (2) Sự đáp ứng, (3) Sự đảm bảo, (4) Độ tin cậy, (5) Sự chia sẻ, (6) Giá trị nội dung kiểm định.
Kiểm định giả thuyết mô hình hồi quy giữa 6 nhân tố trên là biến độc lập và sự hài lòng khách hàng là biến phụ thuộc cho kết quả (xem bảng 7 và phụ lục 6)
Bảng 7. Mô hình hồi quy đa biến
Tóm tắt mô hình Mô hình R R Bình
phương
R Bình phương hiệu chỉnh
Sai số chuẩn của ước lượng
1 0.775a 0.570 0.558 0.53723
a. Predictors: (Constant), GTND, DTC, SCS, SDU, NLCC, SDB b. Dependent Variable: HLKH
46
Kết quả kiểm định hồi quy cho thấy trị số R có giá trị (0.7 < R=0.775a) và R2 (R Square) có trị số (0.5<= R2 = 0.570 <= 0.8) cho thấy mối quan hệ giữa các biến trong mô hình tương quan chặt chẽ. Bên cạnh đó R2 hiệu chỉnh là (Adjusted R Square = 0. 558) có nghĩa là 55.8 % sự biến thiên của biến phụ thuộc “Sự hài lòng khách hàng” (Dependent Variable: HLKH) về chất lượng DVKĐ được giải thích chung bởi các biến độc lập trong mô hình, nghĩa là tồn tại mô hình hồi quy tuyến tính giữa sự hài lòng và 6 nhân tố trong chất lượng DVKĐ.
Phương trình hồi quy tuyến tính diễn tả sự hài lòng của khách hàng về chất lượng DVKĐ tổng quát là:
HLKH = β + β1.GTND + β2.DTC + β3.SCS + β4.SDU + β5.NLCC + β6.SDB
Kiểm định F cho thấy giá trị Sig. rất nhỏ (Sig. = 0.000), vì vậy mô hình trên phù hợp với tập dữ liệu đang khảo sát.
Các biến độc lập đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5% (Sig. < 0.05) (xem bảng 8).
Bảng 8. Phân tích phương sai Anova
ANOVAb Mô hình Tổng các bình phương df Trung bình bình phương F Sig. 1 Regression 87.078 6 14.513 50.284 .000a Residual 65.805 228 .289 Total 152.883 234
a. Predictors: (Constant), GTND, DTC, SCS, SDU, NLCC, SDB b. Dependent Variable: HLKH
Kết quả cho thấy hệ số chấp nhận (Tolerance) khá cao (từ 0.877 đến 0.973) và hệ số phóng đại phương sai VIF thấp (từ 1.028 đến 1.141, nhỏ hơn 2). Do vậy, hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình hồi quy này không đáng kể,
47 Bảng 9. Hệ số hồi quy Hệ số Mô hình Hệ số không chuẩn hóa Hệ số tiêu chuẩn hóa Coefficients t Sig. Thống kê cộng gộp
B Std. Error Beta Tolerance VIF
1 (Constant) -.880 .266 -3.312 .001 NLCC .185 .043 .216 4.282 .000 .741 1.350 DTC .282 .036 .236 5.050 .000 .862 1.160 SDU .259 .060 .209 4.349 .000 .821 1.218 SDB .247 .057 .224 4.373 .000 .718 1.392 SCS .193 .055 .168 3.520 .001 .831 1.203 GTND .231 .043 .250 5.354 .000 .866 1.155 a. Dependent Variable: HLKH